论文部分内容阅读
人脸识别技术因其广阔的应用前景现在已经成为一个非常热门的研究课题。作为生物特征识别的一个重要分支,因其具有非接触性、普遍性、易采集性等特点,在国家安全、军事安全、公共安全管理、智能门卫、出入境管理、身份验证以及人机交互等领域具有非常大的应用价值。现在很多学者提出的算法要想取得较好的识别效果往往需要被采集对象的配合,同时也对采集条件有较严格的要求,如果达不到这些条件,识别性能将急剧下降,因此,要将人脸识别技术应用到实际中还存在着许多困难需要克服。人脸识别算法一般由三个部分组成,这三个部分各自完成相关功能,第一个部分是是人脸检测与定位,第二个部分是对人脸图像中有用信息进行提取,第三个部分是对提取到的特征进行分类。其中第二个部分是整个人脸识别算法最为关键的步骤,因为在这一步骤中提取到的人脸特征的鉴别能力从根本上决定了最终的识别率。利用非下采样Contourlet变换对人脸图像进行分解,可以得到人脸图像非采样Contourlet系数,包括高频系数和低频系数,人脸的一些器官的基本特征主要包含在低频系数里面,低频系数对光照变化比较敏感,人脸图像的纹理和方向信息主要包含在高频系数中,这些特征对光照变化不是特别敏感,可以在一定程度上解决光照难题,梯度方向直方图能够提取人脸图像的形状边缘特征,同时因为它采用窗口进行统计,能够提高算法对姿态、表情等的鲁棒性。本文将NSCT变换与HOG相结合并应用于人脸识别领域,主要工作如下:1、提出一种基于非下采样Contourlet梯度方向直方图(HNOG)的人脸识别算法,并通过进行大量实验来分析各项参数对HNOG算法识别率的影响,寻找最优的参数,并在不同人脸库上进行对比实验验证算法的识别性能。2、光照问题一直是人脸识别中的一大难题,HOG虽对光照变化有一定鲁棒性,但是在光照剧烈变化时,仍无法获得足够的识别特征,而相对梯度能够很好地克服光照带来的影响,对传统的相对梯度直方图进行改进,并替代HNOG算法中的HOG,提出了非下采样Contourlet相对梯度方向直方图特征描述方法(HNROG),经过实验证明,这种特征提取方法提取的特征很好地消除了剧烈光照变化的影响,能有效提高算法的识别率。